优化小波神经网络停车泊位多步预测

【目的】通过改进停车泊位预测方法为交通出行提供有益帮助。【方法】利用李雅普指数对停车泊位序列进行分析,指出序列具有混沌特性,可进行多步预测。利用db32小波函数具有双正交性、紧支撑性以及消失矩阶数较大的特征,对归一化的停车泊位序列进行多尺度分解与重构,并作为小波神经网络(Wawelet neural network,WNN)的隐含层函数。为提高预测精度和降低预测时间,分别使用粒子群算法(Particle swarm optimization,PSO)和极限学习机(Extreme learning machine,ELM)来优化WNN。其中,使用PSO对WNN的权值进行调整,逐步迭代得到最优值;使用ELM将全局最优值作为单隐层前馈神经网络的输入,使得算法尽快收敛。优化后的WNN结合迭代多输出法对停车泊位进行预测。将上述预测方案称为极限学习机和粒子群算法双重优化的小波补缀网络多步预测(Multi-step prediction based on wavelet neural networkimproved by extreme learning machine and particale swarm optimization,MP-EPWNN)。【结果】仿真实验表明,相对于BP神经网络、遗传算法优化小波神经网络、极限学习机优化小波神经网络、粒子群优化小波神经网络4种算法,MP-EPWNN算法的预测均方误差平均降低了96.6%,预测所需的时间平均降低了65.97%。【结论】MP-EPWNN算法预测停车泊位是有效的。
     

模糊集值统计推理在股市预测中的应用

以灰色关联度为权重，５个技术指标的加权值为变量，探讨应用模糊集值统计推理方法预测股价波动趋势。     

旅游预测模型及应用

本文分析了旅游引力模型、多元(逐步)回归模型和时间序列模型在预测旅游人数方面的优缺点.并给出了河北省今后几年国外游客人数及美国游客人数的预测结果.对河北省旅游业的发展提出若干建议.     

葡萄酒月度价格指标的季节ARIMA时间序列分析

以时间序列分析为工具,研究了法国葡萄酒价格月度指标,使用基于周期图的Fisher检验证实该数据指标具有潜在周期,最后发现(1,0,0)×(1,0,0)12模型能较好地拟合数据.在此基础上给出相应的预测.     

论文更正及预测

《论随机量子空间及有关问题》(以下简称原论文)在本刊总第4期发表后,作者发现一处错误,现予以更正;并在更正理论的基础上,预测—标量粒子的质量。     

基于局域支持向量机的海浪水压场混沌预测

针对海浪水压场的短时平稳性,采用局域支持向量机进行预测滤波.首先分析了海浪水压场信号的混沌特性,并根据其混沌特性,提取训练空间中与当前相点的行为特征密切相关的最近邻点作为训练样本对支持向量机进行训练,减少了训练样本的数目,节省了网络学习时间,从而可实时对网络参数进行更新,使支持向量机能够跟随海浪的变化.实际计算表明这种算法能够以较快的学习速度和较高准确度实现海浪预测,能够克服由于海浪的短时平稳性所带来的随时间的增长预测精度下降的问题.     

神经网络预测技术在超高速磨削研究中的应用

通过基于神经网络的预测技术在普通磨削应用研究,介绍了神经网络在超高速磨削应用研究中的几个方面,指出了基于神经网络的预测技术在实际应用中存在的问题及发展方向.